医疗 AI 不确定性推理 概率模型 可解释性
摘要

医学领域充满高风险的不确定性,医生需在诸多未知中做出临床判断。尽管 AI 辅助医疗备受关注,但现有系统在不确定性下的校准推理能力不足且缺乏透明度。本文提出 MedMSA 框架,利用语言模型检索相关知识,并构建形式化概率模型以支持可校准、可验证的不确定性推理。初步概念验证表明,该框架可用于鉴别诊断,生成基于不确定性加权的潜在诊断列表,为安全的临床协作提供了新方向。

AI 推荐理由

论文核心在于构建形式化概率模型以支持不确定性下的校准推理,解决现有系统推理不透明问题。

研究机构
Equal senior advising, MIT University of Cambridge Princeton University Duke University The Alan Turing Institute Cambridge University MIT University of Cambridge
论文信息
作者 Katherine M. Collins, Marlene Berke, Ilia Sucholutsky, Ayman Ali, Adrian Weller et al.
发布日期 2026-05-10
arXiv ID 2605.09716
相关性评分 9/10 (高度相关)